Selective Forgetting in Option Calibration: An Operator-Theoretic Gauss–Newton Framework
创建于 更新于
摘要
本文提出用于参数化期权定价模型（以Heston为例）的“选择性遗忘/机器去学习”算子框架：基于Gauss–Newton法，识别并缓存每条报价的充分统计量(u_i, ψ_i)，从而可在不重访原始数据的情况下通过代数减法精确移除样本影响；给出局部精确性、稳定性和误差界，并证明在固定线性化点上快速重构与完整重训练数值一致且在实践中可获得数阶量级的加速 [page::2][page::9][page::14].
